相关实验视频
Updated: Jul 15, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.2K
可食用作物的多源数据的机器学习应用:对当前趋势和未来前景的回顾
Yanying Zhang1,2, Yuanzhong Wang1
1Medicinal Plants Research Institute, Yunnan Academy of Agricultural Sciences, Kunming 650200, China.
Food chemistry: X
|October 2, 2023
概括
人工智能和机器学习分析多源数据,以评估食用作物的质量. 这一创新对于改善食品安全和市场监管至关重要.
科学领域:
- 农业科学 农业科学
- 数据科学数据科学数据科学
- 食品科学 食品科学 食品科学
背景情况:
- 可食用作物的质量和安全对于人类健康和营养至关重要.
- 人工智能 (AI) 为分析农业多源数据提供了新的途径.
- 有效的市场监督和工业发展依赖于强大的作物质量评估.
研究的目的:
- 审查机器学习 (ML) 与多源数据的应用,以评估食用作物的质量.
- 探索如何整合不同的数据源提高质量评估.
- 确定人工智能驱动的作物质量监测当前的挑战和未来的方向.
主要方法:
- 关于多源数据集成和ML技术的综合文献综述.
- 对监督和无监督ML算法的质量评估分析.
- 评估数据整合策略,以提取更丰富的信息.
主要成果:
- 多个来源的数据提供了比单个来源更全面的见解.
- 监督和无监督的ML有效地解决了各种质量评估需求.
- 该审查强调了各种分析方法的优点和局限性.
结论:
- 创新食用作物质量评估方法对于实时市场监测至关重要.
- 人工智能和机器学习与多源数据的整合为食用作物行业带来了重大机遇.
- 应对当前的挑战将为先进的作物质量评估系统铺平道路.
